Análisis de Misericordia de Benito Pérez Galdós

Índice

• Información General
  
• Ley de Heaps - Saturación léxica
  
• Ley de Zipf
  
• Test de Dunning
  

La Ley de Heaps es una ley empírica que predice el tamaño del vocabulario dado un texto. Esto es, nos da una estimación del número de palabras distintas (v) dado el número total de palabras (n) de que consta el texto, según la fórmula

#Palabras: #Palabras distintas: 1677 750 3354 1307 5031 1764 6708 2152 8385 2559 10062 3002 11739 3347 13416 3731 15093 4130 16770 4480 18447 4736 20124 5009 21801 5252 23478 5506 25155 5760 26832 6097 28509 6361 30186 6658 31863 6958 33540 7253 35217 7473 36894 7689 38571 7918 40248 8127 41925 8350 43602 8536 45279 8699 46956 8933 48633 9133 50310 9342 51987 9520 53664 9769 55341 9952 57018 10161 58695 10343 60372 10512 62049 10700 63726 10858 65403 11064 67080 11184 68757 11364 70434 11524 72111 11689 73788 11855 75465 12029 77142 12167 78819 12309 80496 12475 82173 12648 83850 12793 83883 12799	Ajuste por mínimos cuadrados de los datos a K*n^b:
	K = 4.247		b = 0.710

La ley de Zipf es una ley empírica que se basa en el principio de mínimos esfuerzo. Esto es, supone que existe un pequeño número de palabras, las más "conocidas", que son utilizadas con mucha frecuencia, mientras que hay un gran número de palabras son poco empleadas.

Matemáticamente esto quiere decir que la frecuencia (número de apariciones) de una palabra cualquiera es inversamente proporcional a su ranking, entendido como su posición en una lista de las palabras presentes en el texto ordenada descendentemente en función de su frecuencia.
Así, la palabra más frecuente aparecerá aproximadamente dos veces más que la segunda palabra más frecuente, unas tres veces más que la tercera palabra más frecuente, etc.

Gráficamente, cuando una curva se encuentra por encima de la recta "ideal" quiere decir que el texto emplea recurrentemente un número de palabras muy reducido, habiendo muy pocas que aparezcan con poca frecuencia.
Por el contrario, cuando la curva se encuentra por debajo de la "ideal", el texto contiene un vocabulario más amplio, con muchas palabras que aparecen relativamente pocas veces.